每经记者｜温沐夏 杜蔚 每经编辑｜杨翼
7月17日，在2026世界人工智能大会（WAIC）开幕式上，国家主席习近平宣布：未来5年，中国将推动气象智能预警方案“妈祖”在30个国家落地应用。
这句话背后，是一场关乎亿万人性命的科技竞速。
中国气象智能预警方案“妈祖”的“菜单式供给、定制化服务”平台界面。图据中国气象局官方微信公众号
今年入汛以来，我国主要江河已发生25次编号洪水，609条河流超警，辽宁沈阳单日降雨量突破200毫米，华北等地正迎来“七下八上”最凶险的主汛期。极端天气不分国界，在北美，加拿大不列颠哥伦比亚省因创纪录高温引发山火，数千居民被迫疏散；在欧洲，法国南部、西班牙多地遭遇热浪炙烤，气温飙升至40摄氏度以上⋯⋯暴雨、高温、山火、干旱轮番突袭，气象预警从未像如今这样牵动全球神经，谁先看见风暴，谁就能少损失。
但现实是，巴基斯坦、吉布提、埃塞俄比亚等不少发展中国家，连一张完整的气象观测网都尚未建成。预警滞后、避险失据，本可减少的伤亡与损失被持续放大。
当前，中国正把自主研发的AI（人工智能）大模型、风云卫星数据和数十年积累的防灾减灾经验向全球推广。这不只是技术出海，更是应对全球气候危机的务实行动——以技术共享的方式填补气象预警体系的“真空地带”。
“妈祖”何以“漂洋过海”？中国气象AI的底气从何而来，又何以跻身全球第一梯队？人与机器，谁才是天气预报的“终极裁判”？7月20日，《每日经济新闻》记者（以下简称NBD）走进中国气象局，独家对话中国气象局气象高级工程师苏飞。
每经记者走进中国气象局。每经记者 温沐夏 摄
NBD：在这次WAIC上，中国气象智能预警方案“妈祖”引发关注，外界好奇的是跟国外气象AI相比，我国气象大模型的独特优势在哪？
苏飞：我们的优势主要体现在三点。
第一是制度优势带来的宏观规划能力。气象是大尺度行业，国家层面做了非常好的顶层部署。我们按预报时间尺度，分别开发了“风雷”“风清”“风顺”等系列AI大模型。“风雷”主打0到3小时临近预报，抓雷达和卫星反演数据，盯短时强对流；“风清”管短中期，也就是24小时、48小时、未来3到7天；“风顺”偏向中长期，类似气候预测，管旬、月尺度。分工明确，各司其职。
第二是自主可控。我们的训练数据是国内自主积累的气象观测序列，从1951年至今有70多年完整序列。另外，我国幅员辽阔且地形复杂，涵盖高原、盆地、沿海、戈壁等多种下垫面条件，天气现象极其丰富。核心技术也是自主研发，不存在被“卡脖子”的风险。
第三是集成度高、可拓展性强。我们把临近、短中、长期预报，再加服务模块，全部集成到“妈祖”这个系统框架。许多国家只能做单一尺度——有的只能做短期，有的只能做中期，有了“妈祖”，一套系统全都有。而且它跟行业结合的空间很大，能源、交通、金融、农业都能嵌进去。
中国气象局展厅内的展示品。每经记者 温沐夏 摄
NBD：我国气象模型听起来像是一个“全能型”选手，但为什么国外很多国家更倾向做垂类模型？
苏飞：根本原因是数据基础不一样。每个国家的科研能力、观测能力差距很大。中国、欧洲这些地方，地面观测站密、雷达多、卫星全，数据链条是完整的。但很多发展中国家，第一步就卡住了。气象观测站稀疏，雷达观测缺失，卫星数据没有，连“输入”都不够，怎么训模型？
这时候“妈祖”的价值就出来了。它可以用风云气象卫星的数据，反演出当地的观测产品，再结合本地少量数据做微调，相当于将中国模型的预测能力“平移”到当地。虽然不一定能达到90分的精度，但至少能提供60分以上的可用预报，这已是质的飞跃。
NBD：为什么“妈祖”主要向发展中国家辐射？
苏飞：“全球南方”国家是气象灾害最脆弱、预警能力最薄弱的群体。联合国呼吁“全民早期预警”，气象是防灾减灾的第一道防线，我们出海的核心目标就是帮这些国家把早期预警能力建起来，这是负责任大国的体现。
虽然全球范围内数值预报能力较强的机构主要是欧洲中期天气预报中心（ECMWF），但我国的气象大模型也曾在国际评比中取得过第一名的成绩，整体处于世界第一梯队。这样我们出海很有底气，再加上幅员辽阔、地形复杂、灾害种类多样，这些极端条件“倒逼”出高质量的训练数据，再加上持续的技术投入，中国气象大模型的底座打得非常扎实。
NBD：“出海”过程中有没有遇到“水土不服”？比如，当地气候特征和训练数据差异太大。
苏飞：肯定会有。但我们的思路不是“甩过去一个模型就完事”，而是结合当地气象数据再做一轮训练和优化。并不是说“妈祖”一落地就能达到最优效果，它是个持续迭代的过程。先补齐空白，再用本地数据喂养，逐步提升。
巴基斯坦用了之后反馈就很好，填补了很多之前的预警盲区；对吉布提我们也刚交付了2.0版本。整体来看，大部分是刚刚启用或处于磨合期，需要时间。
NBD：今年汛期大家普遍感觉雨来得早、来得猛，主汛期“七下八上”刚到，华北压力就不小。在此背景下，AI技术迭代到底给气象预报带来了什么实质性提升？
苏飞：传统天气预报走的是物理建模路线，即用超级计算机对大气运动方程组进行数值求解，模拟整个大气状态。全球数据跑一遍，往往需要数小时才能出一个结果。等你算完，天气形势可能已经发生了变化。
现在AI介入之后，效率是大幅提升。它通过对历史数据的挖掘，可能在分钟级时间内就能生成一个天气预报。这是第一个质变——时效。
第二个是准确率的补充。AI能给预报员做很好的补充，它不是替代人，而是帮人把大量重复性工作接过去。让预报员有更多精力聚焦于复杂天气形势的研判和服务策略的制定。
第三个是成本。以前布一个超级计算机中心，是天文数字的开销。现在AI大模型加上GPU（图形处理器）算力，预报成本降下来之后，大家能做的产品种类就多了，服务面也广了。
中国气象局展厅内的展示品。每经记者 温沐夏 摄
NBD：听起来AI几乎全方位超越传统数值预报，那为什么还要保留物理模型？
苏飞：因为AI天生有短板，不能只靠它。2024年到2025年，中国气象局对国内主流AI大模型做过一轮测评，发现两个比较突出的问题。
第一个是对极端天气事件的强度预报普遍存在系统性偏弱的问题；第二个是中小尺度表现存在细节模糊的情况。比如一次局地强对流，它的内部结构、移动路径、生消演变，AI画出来的图往往不够清晰，细节丢得多。
所以我认为，未来的方向是混合式模型——物理数值预报与AI模型相结合。物理模型保证大气运动规律的正确性和可解释性，AI模型提升运算速度和计算效率，两者协同才能将预报准确率推至更高水平。
NBD：说到这里有个挺现实的问题，气象行业最怕两件事：漏报和错报。AI会不会增加这两类风险？
苏飞：会，所以业内高度重视AI“幻觉”问题的治理。我们已建立成熟的纠偏机制。首先，AI的输出结果不会直接对外发布，必须与基于物理方程的数值预报结果进行比对和订正。其次，最终结论必须经过资深预报员的审核把关。
天气这个东西很特殊，它跟别的行业不一样。一年四季是个轮回，但又年年有变数。老预报员脑子里装着很多“经验式的规律”，这种行业经验是几十年攒下来的，AI目前还替代不了。
数值预报本身就有蝴蝶效应。一点点初始扰动就能导致极大偏差，AI也一样做不到百分百准。所以必须有经验丰富的首席专家去做最后的研判和订正，这是人机协同的关键一环。
NBD：我们用了AI大模型之后，到底挽回了多少损失？
苏飞：我先从机制上解释为什么它一定有用，最核心的变化是更新频率。比如以前传统数值预报可能8小时更新一次，现在AI加持下可能做到10分钟更新一次。频次提上去，意味着你能捕捉到更小尺度、更快生消的天气系统。比如，突然生成的龙卷风母体、突然加强的对流云团，以前可能漏掉，现在能抓住。
NBD：所以“妈祖”不只是个预报工具，而是一整套从监测到预报、到预警再到服务的流程？
苏飞：对，它本质上是一个全生命周期的预警网络。从天上的风云卫星“看”，到AI模型“算”，到预报员“判”，再到预警信息“发”，最后到基层“叫应”，这五个环节缺一不可。我们气象系统的职责很明确：第一是对公众做好天气预报和防灾减灾，第二是重大活动保障。大模型现在已经在支撑日常业务了，高考、城市运动会、重大节点，背后都有它在跑。
NBD：展望未来，气象AI的终极形态会是什么样？
苏飞：“物理数值预报模型+AI模型”的混合式架构，将是未来十年的主线。二者是互补关系：物理模型确保预报结果符合大气运动基本规律且可解释；AI模型则负责提速，并从中挖掘出海量历史数据中人类难以直接识别的非线性特征。
我们希望最终能构建一个全能型通用气象大模型——一个模型覆盖临近、短中、长期预报，并能按需切分出能源版、交通版、农业版等垂直应用版本。目前“妈祖”已朝这个方向迈进，但全能型模型的成熟度仍不高，需要持续攻关。
NBD：很多人觉得气象是“老行业”，AI来了会不会彻底颠覆它？
苏飞：不会颠覆，会重塑。你看现在我们已经在用集合预报的思路，把气象局自己的模式、复旦大学的“伏羲”、华为的“盘古”放在一起对比，谁报得稳听谁的，谁报得激进作参考，多模型互相订正。这在以前是不可想象的，因为算力贵、数据孤岛、模型不互通。
AI把门槛降下来之后，整个行业的玩法都变了：更多主体能参与进来，更多垂直场景能被满足，更多发展中国家能跨过“没有预警”这条生死线。科技本身没有温度，但它让一个偏远村庄提前两小时收到山洪预警、让一艘货轮避开正在生成的台风眼。那一刻，它就是有温度的。
这也是为什么习近平总书记在WAIC上说“守望万家灯火，护佑四海安澜”。30个国家、5000个研修名额、一批国际人工智能应用合作中心。这些数字背后，是中国气象人用几十年攒下的技术家底去填平全球预警鸿沟的一次集体出手。风暴不会等人，但至少，我们可以让它少带走一些人。
（每经记者温梦华对本文亦有贡献）
1本文为《每日经济新闻》原创作品。
2 未经《每日经济新闻》授权，不得以任何方式加以使用，包括但不限于转载、摘编、复制或建立镜像等，违者必究。
每日经济新闻客户端